谷歌的时间序列预测的基础模型TimesFM详解和对比测试

TimesFM是一个为时间序列数据量身定制的大型预训练模型——一个无需大量再训练就能提供准确预测的模型。TimesFM有2亿参数,并在1000亿真实世界时间点上进行了训练。可以允许额外的协变量作为特征。

在本文中,我们将介绍模型架构、训练,并进行实际预测案例研究。将对TimesFM的预测能力进行分析,并将该模型与统计和机器学习模型进行对比。

 

https://avoid.overfit.cn/post/99697006d1334ee49de3b5d95196b3c1

posted @   deephub  阅读(292)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
历史上的今天:
2023-07-18 时间序列的季节性:3种模式及8种建模方法
2022-07-18 高斯过程相关研究的新进展的8篇论文推荐(统计 +人工智能)
点击右上角即可分享
微信分享提示